React Awesome Query Builder 6.6.15版本发布:安全增强与日期功能优化
React Awesome Query Builder是一个功能强大的React查询构建器组件,它允许开发者通过直观的UI界面构建复杂的查询条件。该组件支持多种UI框架(如Ant Design、Material-UI等),并能将查询条件转换为多种格式(如SQL、MongoDB查询、JsonLogic等)。
安全增强
本次6.6.15版本包含了多项重要的安全改进:
-
原型污染防护:修复了
OtherUtils.mergeIn和OtherUtils.setIn方法中潜在的原型污染问题,这些方法现在会严格检查输入对象,防止不当修改原型链。 -
XSS问题修复:针对Ant Design包中的跨站脚本(XSS)问题进行了修复,增强了组件在渲染用户输入时的安全性。
-
配置解压安全:改进了
Utils.ConfigUtils.decompressConfig方法,防止在解压配置数据时可能发生的原型污染问题。
这些安全改进使得组件在处理用户输入和配置数据时更加可靠,特别是在需要从外部来源加载查询配置的场景下。
日期/时间功能优化
日期和时间处理是查询构建中的常见需求,本次版本对相关功能进行了全面增强:
-
新增日期函数:
TODAY:获取当前日期START_OF_TODAY:获取当天开始时间RELATIVE_DATE:计算相对日期TRUNCATE_DATETIME:截断日期时间到指定精度
-
MongoDB日期处理修复:
- 修正了
NOW和RELATIVE_DATETIME函数在转换为MongoDB查询时的格式问题 - 修复了顶级
$not操作符在MongoDB输出中的使用问题
- 修正了
-
JsonLogic日期比较:
- 引入了新的比较操作符
date==、date!=、datetime==和datetime!=,专门用于日期类型的精确比较 - 新增
fixJsonLogicDateCompareOp配置选项(默认关闭),用于控制是否修复JsonLogic中的日期比较操作
- 引入了新的比较操作符
开发者现在可以通过Utils.JsonLogicUtils.addRequiredJsonLogicOperations(jl)方法为json-logic-js实例添加这些自定义操作符,确保日期比较在各种场景下都能正确工作。
其他改进
-
Ant Design 4.x兼容:现在完全支持Ant Design 4.x版本的DatePicker组件,为使用较新Ant Design版本的开发者提供了更好的兼容性。
-
组操作符修复:修复了组操作符的自定义jsonLogic函数未被调用的问题,确保复杂的组条件能够正确转换。
-
依赖更新:
- 将
@babel/runtime设为所有包的依赖项 - 更新了vite等构建工具版本
- 优化了整体项目依赖结构
- 将
升级建议
对于正在使用React Awesome Query Builder的项目,特别是那些涉及以下场景的,建议尽快升级到6.6.15版本:
- 需要处理用户输入或从外部加载查询配置的应用
- 大量使用日期/时间查询功能的应用
- 使用Ant Design 4.x作为UI框架的项目
- 需要将查询转换为MongoDB格式的后端应用
升级时需要注意检查自定义的操作符和日期处理逻辑,特别是如果项目中已经实现了自己的日期比较解决方案,可能需要根据新的日期比较操作符进行调整。
这个版本的发布显著提升了组件的安全性和日期处理能力,使得构建复杂查询更加可靠和灵活。对于需要精确日期操作或高安全性要求的应用场景,6.6.15版本提供了坚实的基础。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00